Machine Learning Engineer Sr

Vaga não está no LinkedIn

🕒 Junho 10

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Leega

SiteLinkedInTodas as Vagas

201 - 500 funcionários

Fundada em 2010

💼 Consultoria

📣 Marketing

🔌 API

Consulting • Marketing • API

A Leega é uma provedora líder de soluções de tecnologia na América Latina, especializada em analytics de dados e soluções em nuvem. Primeira empresa na região certificada pelo Google Cloud em Data Analytics, a Leega oferece um portfólio de serviços que inclui desenvolvimento de aplicações, machine learning e analytics para gestão de riscos. A empresa faz parcerias com os principais provedores de nuvem, como AWS e Microsoft Azure, para ajudar as empresas a aprimorar a gestão de dados e realizar uma migração eficiente para a nuvem, impulsionando a transformação digital e a inovação.

Descrição

• Você é quem conecta o protótipo à produção. • Vai desenhar e construir a engenharia de ML do motor de precificação — o serving de inferência, os pipelines de treino e a engenharia de features — para que modelos complexos rodem em tempo real, com baixa latência, sobre Ray. • Foca na modelagem e no código de ML; a plataforma e o runtime ficam com o time de MLOps/Plataforma, com quem você trabalha lado a lado. • Serving de inferência — desenhar o pipeline de modelos encadeados sobre Ray Serve — composição de modelos, baixa latência e estratégias de atualização. • Treino distribuído — construir pipelines de treino (Ray Train/Data), HPO (Ray Tune) e modelos treinados por tenant, com checkpointing resiliente. • Engenharia de features — definir e materializar features no feature store (Feast/Redis), garantindo consistência entre treino e produção. • Otimização e RL — implementar e otimizar os componentes de otimização (programação linear) e de RL offline do pipeline de preço. • Qualidade do modelo — monitorar drift do ponto de vista de modelagem, validar versões e produzir explicabilidade (SHAP) — em parceria com MLOps. • Liderança técnica — atuar como referência, mentorar e definir, com o time, o que é viável e escalável. • Você faz o handoff com os cientistas de dados, recebe dados dos data engineers e entrega ao time de MLOps/Plataforma para deploy e operação.

🎯 Requisitos

• Experiência comprovada colocando modelos de ML em produção. • Python e fundamentos sólidos de Engenharia de Software (APIs, testes, código limpo). • Serving e otimização de inferência para baixa latência. • Familiaridade com containers (Docker) e com fluxos de MLOps (registry, deploy). • Conforto com desenvolvimento assistido por IA (Claude Code). • Ecossistema Ray (Serve, Train, Tune, RLlib) — forte diferencial. • Feature stores (Feast) e serving de baixa latência com Redis em escala. • Otimização/solvers (Gurobi, HiGHS) ou revenue management em tempo real; RL offline. • Serving de IA generativa (vLLM, LiteLLM) e arquiteturas multi-tenant.

🏖️ Benefícios

• Trabalho Remoto • Tempo de Projeto: 6 meses, com possibilidade de extensão/internalização.